El aprendizaje profundo es una clase de algoritmos de aprendizaje automático que utiliza múltiples capas para extraer progresivamente características de mayor nivel a partir de la entrada sin procesar.
Superar la diversidad de datos: Los retos para la IA, el aprendizaje automático y quienes dependen de los resultados de misión crítica
El aprendizaje profundo es una clase de algoritmos de aprendizaje automático que utiliza múltiples capas para extraer progresivamente características de mayor nivel a partir de la información bruta introducida. Por ejemplo, en el procesamiento de imágenes, las capas inferiores pueden identificar bordes, mientras que las capas superiores pueden identificar conceptos relevantes para un ser humano, como dígitos, letras o rostros.
Los asistentes recibirán información sobre:
- Cómo COVID-19 ha actuado como catalizador de la telemedicina y poder dominante para superar las fuerzas que inhiben el cambio (fuerzas maquiavélicas).
- Cómo el efecto 2000 ayudó a globalizar muchas industrias y a obligar a organizaciones arrogantes que se habían resistido al cambio.
- Cómo el 11-S actuó como fuerza principal para promulgar la reforma y la automatización del sector bancario mundial.
- Avances actuales en extracción de datos/OCR, aprendizaje automático y cadena de suministro para la industria electrónica y de semiconductores
- Amar Gupta, MIT, investigador principal , Enfoque híbrido basado en IA y OCR para reducir la participación y el esfuerzo humanos en el procesamiento de documentos y la creación de modelos de previsión (patrocinado por SiliconExpert); y coordinador, Telemedicina/Telesalud y equipos de profesionales distribuidos geográficamente.
- Vik Parth, director de Producto e Innovación, SiliconExpert
